Vom KI-Tool-Wildwuchs zu agentischer Softwareentwicklung - in 90 Tagen
Die Copilot-Lizenzen laufen seit einem Jahr. Die Demos waren beeindruckend. Nur die Cycle Time hat sich nicht bewegt, und wenn das Board nach dem ROI fragt, wird es still.
Das Problem ist nicht das Tool. KI in der Softwareentwicklung macht in alten Prozessen einzelne Schritte schneller, in einem System, das dafür nie gebaut wurde. Der Engpass wandert vom Schreiben des Codes ins Review und in die Abstimmung.
Ich baue mit deinem Team in 90 Tagen eine agentische Delivery-Strecke auf einem echten Value Stream, mit Messung vorher und nachher. Kein Pilot, keine Folien. Am Ende arbeitet euer Engineering ein Autonomie-Level höher.
KI in der Software-entwicklung scheitert nicht an Tools. Sie scheitert am Betriebsmodell.
Jedes Engineering-Team nutzt inzwischen KI. Aber:
- Jeder Entwickler arbeitet anders mit KI, ohne Standard und ohne System
- Reviews werden zum Flaschenhals, weil KI mehr Code produziert, als Menschen prüfen können
- Niemand weiß, was eine Story an KI-Kosten wirklich verursacht
- Architektur-Wissen steckt in Köpfen und Confluence, für KI-Agenten unsichtbar
- Das Board will eine AI-Story mit Zahlen statt Anekdoten
Initiativen starten. Und versanden. Die Technologie ist da. Was fehlt, ist jemand, der das Engineering als System umbaut.
Die fünf Autonomie-Level der KI-gestützten Softwareentwicklung
AI-gestützte Entwicklung lässt sich in fünf Stufen fassen. Level 1 arbeitet manuell, Level 2 nutzt KI-Assistenz für einzelne Aufgaben, Level 3 setzt sie systematisch über mehrere Schritte des SDLC ein. Ab Level 4 arbeiten mehrere Agenten orchestriert entlang eines Workflows, während der Mensch Ziele setzt und Übergaben prüft. Auf Level 5 steuern Agenten große Teile des End-to-End-Prozesses selbst.
Die meisten Organisationen stehen heute zwischen Level 2 und 3, viele noch auf 2. Die Frage, die zählt, ist, wie ihr Richtung Level 4 und 5 kommt. Mit jeder Stufe wächst der Effekt, und mit ihm wachsen die Anforderungen an Kontext, Governance und Kostenkontrolle.
Ich habe Level 5 gebaut
ich Kenne den Weg dorthin und die Fallstricke.
Neun spezialisierte Agent-Rollen, der komplette Entwicklungszyklus von der Anforderung bis zum Release, kein Mensch im Loop. Eine voll autonome Software-Fabrik, betrieben mit echtem Budget und echten Kostendaten.
Alle Tests grün. Trotzdem waren 40 Prozent des Codes tot oder doppelt. Die Modelle verließen schleichend ihre Rollen, und die Kosten liefen ohne Steuerung davon.
Das heißt nicht, dass Level 5 unmöglich ist. Es heißt, dass es out of the box scheitert. Volle Autonomie trägt erst, wenn Kontextarchitektur, Governance und Kostenkontrolle stehen. Genau diese Grundlagen baue ich mit deinem Team, erst bis Level 4, und weiter, wo eure Umgebung reif dafür ist.
Du bekommst keine Thesen über die Zukunft. Du bekommst Betriebserfahrung. Und eine Agentic Engineering Transformation die trägt.
Wann agentische Softwareentwicklung für euch der richtige Schritt ist
- Ihr steht bei Level 2 oder 3 und wollt den Weg Richtung Level 4 nicht dem Zufall überlassen
- Copilot & Co. sind seit Monaten im Einsatz, messbar verändert hat sich nichts
- Das Board fordert eine AI-Strategie fürs Engineering, belastbar und mit Zahlen
- Cycle Time und Time-to-Market stagnieren trotz KI-Investment
- Jeder Entwickler nutzt KI anders, ohne Standard und ohne Governance
- KI-Kosten steigen, und niemand steuert sie
- Wettbewerber liefern sichtbar schneller
So führst du agentische Softwareentwicklung ein
Phase 0: Context Bootstrapping
(Woche 1–4)
Architektur-Entscheidungen und Domänenwissen raus aus Köpfen und Confluence, rein in eine agent-lesbare Kontextarchitektur (Context Engineering). Dazu vermessen wir die Baseline aus Cycle Time, Kosten und Defect Rate.
Pilot: Ein echter Value Stream
(Woche 5–10)
Eine agentische Pipeline auf eurem realen Backlog, spezifikationsgetrieben (Spec-Driven Development), von der Analyse über die Implementierung bis zu Review und QA. Damit arbeitet ein echter Value Stream auf Level 4.
Rollout & Enablement
(Woche 11–13)
Playbooks und Drift-Audits sichern den laufenden Betrieb, die Entscheidungsarchitektur legt fest, was Agents entscheiden und was Menschen. Eure Engineers werden Orchestratoren. Dann gehe ich, und die Kompetenz bleibt im Haus.
Was du bekommst, wenn KI-Agenten euer Engineering tragen
Euer Architektur- und Domänenwissen in agent-lesbarer Form, die Grundlage für Code, der zu eurem System passt
Auf einem echten Value Stream, mit Review-Gates an den richtigen Stellen
Das richtige Modell für die richtige Aufgabe statt das teuerste für alles
KI-Kosten pro Story und Team, sichtbar und gesteuert
Cycle Time, Durchsatz, Defect Rate und Kosten als Zahlen fürs Board
Die klare Grenze zwischen Agent-Entscheidung und Menschen-Urteil
Damit das System nach dem Engagement stabil bleibt
Eure Engineers als Orchestratoren, ohne Abhängigkeit von extern
Was Entwicklerproduktivität mit KI in Euro bedeutet
50 Engineers kosten rund fünf Millionen Euro Personal im Jahr. 15 Prozent mehr Durchsatz sind 750.000 Euro, jedes Jahr.
Ich verspreche dir diese Zahl nicht. Der Pilot misst sie auf eurem Code, gegen eure eigene Baseline. Deshalb arbeite ich im Festpreis-Engagement statt im Tagessatz-Zähler. Du kaufst ein Ergebnis, kein Zeitkontingent.
Für wen agentische Softwareentwicklung jetzt relevant ist
- CTOs und VPs Engineering mit 30 bis 200 Entwicklern
- Mittelstand mit eigener Produktentwicklung, der KI-Wirkung belegen muss
- Scaleups mit Lieferdruck nach Series A/B
- PE-Portfoliounternehmen, deren Investoren AI-Effekte im Engineering sehen wollen
- Organisationen, die KI-Tools eingeführt haben und jetzt Wirkung brauchen
Der risikoarme Einstieg:
das Agentic Readiness Assessment
Bevor du transformierst, willst du wissen, wo ihr steht. Das Assessment liefert in zwei bis drei Wochen den Befund, mit strukturierten Interviews deiner Tech Leads und einer Analyse von Prozessen, Codebasis-Readiness und Kostenstruktur, inklusive eurer Einordnung auf den fünf Autonomie-Leveln.
Am Ende steht ein Readiness-Report mit den konkreten Blockern und der Reihenfolge, in der ihr sie ausräumt, plus dem Business Case für die Transformation. Bei Beauftragung der Transformation wird das Assessment voll angerechnet.
Warum jetzt?
Level 4 in zwei Jahren hilft dir nicht, wenn Investoren heute nach der AI-Story fragen und die Lieferfähigkeit jetzt steigen muss. Die Frage ist, wer den Weg der Agentic Engineering Transformation in eurer Organisation führt und ob er als System entsteht oder als Wildwuchs.
Wenn du jemanden willst, der Level 5 selbst gebaut hat statt Folien darüber zu zeigen, dann lass uns sprechen.
Über Philipp Deutscher Consulting
Philipp Deutscher Consulting steht für Klarheit, Struktur und Wirkung in Technologieorganisationen, besonders in entscheidenden Momenten. Als erfahrener CTO, Interim CTO und Fractional CTO verfolge ich eine klare Mission: Ich bringe Führung und stabile Strukturen dorthin, wo sie am dringendsten gebraucht werden.
Als erfahrener CTO habe ich Unternehmen durch komplexe Transformationsphasen geführt: nicht als Berater, der Empfehlungen ausspricht, sondern als Führungskraft, die Verantwortung übernimmt.
Mit der Agentic Engineering Transformation bringe ich die Erfahrung aus dem Aufbau einer vollständig agentischen Software-Fabrik in euer Engineering – als Führung, die umbaut, nicht als Berater, der empfiehlt.
25+
Erfolgsgeschichten
Was unsere Kunden sagen
Jetzt unverbindliches Beratungsgespräch vereinbaren
Häufig gestellte Fragen
Was ist agentische Softwareentwicklung?
Agentische Softwareentwicklung ist ein Betriebsmodell, in dem KI-Agenten eigenständig Teilschritte des Entwicklungszyklus übernehmen, von der Anforderungsanalyse über die Implementierung bis zu Review und QA, während Menschen Architektur, Qualität und Entscheidungen an definierten Gates verantworten. Coding-Assistenten machen das Tippen schneller. Agentische Softwareentwicklung schneidet den Delivery-Prozess neu.
Ist eine vollautonome Software-Fabrik heute schon möglich?
Ja. Ich habe eine gebaut, mit neun Agent-Rollen über den kompletten Entwicklungszyklus. Out of the box scheitert sie allerdings, weil Kontext, Governance und Kostenkontrolle fehlen – dann entstehen Drift und toter Code. Mit diesen Grundlagen ist Level 5 erreichbar, sinnvoll vor allem in reifen, stark strukturierten Umgebungen. Der verlässliche Weg dorthin führt über Level 4.
Was unterscheidet die Agentic Engineering Transformation von klassischer KI-Beratung?
Klassische KI-Beratung liefert Analyse, Roadmap, Empfehlung – und ist dann weg. Hier entsteht eine laufende agentische Pipeline auf einem echten Value Stream, gemessen gegen eure eigene Baseline. Das Ergebnis ist ein Betriebsmodell, kein Dokument.
Warum steigern GitHub Copilot & Co. die Entwicklerproduktivität nicht automatisch?
Weil Coding-Assistenten nur den Schritt „Code schreiben“ beschleunigen. Der Engpass verschiebt sich ins Review und in die Abstimmung, die Cycle Time bleibt gleich. Messbare Entwicklerproduktivität entsteht erst, wenn der gesamte Delivery-Prozess um KI-Agenten herum neu geschnitten wird, vom Kontext bis zur Kostensteuerung.
Welche KI-Tools setzt ihr voraus?
Keine bestimmten. Ob Claude Code, GitHub Copilot oder Cursor – der Ansatz ist tool-agnostisch. Das Betriebsmodell entscheidet über die Wirkung, vom Kontext bis zum Model-Routing.
Was ist mit Datenschutz, IP und Compliance?
Wir legen in Phase 0 fest, welche Daten in welche Modelle dürfen, und setzen die Governance auf, bevor skaliert wird. EU-Hosting-Optionen gehören dazu.
Müssen unsere Entwickler schon KI-Erfahrung haben?
Nein, damit wir agentische Softwareentwicklung einführen brauchen eure Entwickler keine KI-Erfahrung. Enablement ist Kernbestandteil der Transformation. Eure Engineers lernen, agentische Pipelines zu orchestrieren, unabhängig vom heutigen Stand.
Wie messt ihr den Erfolg?
In Phase 0 entsteht eine Baseline aus Cycle Time, Kosten pro Story und Defect Rate. Der Pilot wird gegen genau diese Baseline gemessen, mit Zahlen, die du dem Board zeigen kannst.
Was passiert nach den 90 Tagen?
Playbooks und Drift-Audits sichern den Betrieb, eure Engineers führen das System selbst weiter. Auf Wunsch begleite ich mit regelmäßigen Reviews, aber ohne Abhängigkeitsmodell.